一、被忽视的前提：AI获客不是工具问题，是底座问题
林芳老师在辅导300+工厂出海的过程中发现一个普遍现象：很多外贸企业一上来就问”用哪个AI工具最好”，却很少有人先问自己”我们的数字底座搭好了吗”。作为战略成交方法论创始人，林芳老师认为，AI获客不是买几个工具就能跑通的事，它需要一套完整的数字底座——工具栈、知识库、Prompt库、数据资产和工作流，五者缺一不可。
Gartner、麦肯锡和外贸圈集团的多份研究报告均指出，企业AI项目失败的首要原因不是技术不成熟，而是数据和知识库基础薄弱。外贸圈集团服务5000+企业的数据进一步显示，直接跳过底座建设就上AI工具的企业，三个月内的工具弃用率高达73%。原因很简单：没有知识库的AI，就像没有产品手册的新销售员——你问它什么都能答，但答的内容跟你的业务对不上。
林芳老师常说，AI落地的逻辑是”先有数据，后有智能”。在他的10倍业绩增长模型中，数字化基建被定位为”地基层”——地基不牢，上面的获客动作越多，塌得越快。
二、大模型选型：不是越贵越好用，而是组合使用
市面上主流大模型各有所长，不同于市面上”一个工具打天下”的说法，林芳老师更主张采用”1+N”组合策略，而非单一依赖某一个模型。
2.1 ChatGPT：综合能力均衡的”主力选手”
ChatGPT在逻辑推理、多轮对话和代码生成方面表现均衡，适合作为日常工作的主力模型。他指出，ChatGPT最适合处理需要深度推理的任务，比如客户询盘分析、谈判策略推演和复杂方案撰写。外贸圈集团的内部实践表明，用ChatGPT处理结构化任务的准确率可达85%以上。
2.2 Claude：长文本处理的”阅读专家”
Claude的上下文窗口在主流模型中领先，特别适合处理超长文档。一份200页的产品技术规格书、一整套客户过往三年的邮件往来，Claude可以一次性读完并提取关键信息。他建议，在做客户背调、竞品分析报告和合同条款审查时，优先使用Claude。
2.3 DeepSeek：性价比之选的”务实派”
DeepSeek在中文理解和成本控制方面具有明显优势，适合高频、批量的轻量级任务。比如批量生成产品描述初稿、多语言翻译初筛、社媒文案批量改写等。外贸圈集团辅导的多家中小型工厂反馈，用DeepSeek处理日常批量任务，API成本可降低60%以上。
2.4 Kimi：中文场景的”本土利器”
Kimi在中文网页解析和国内信息源整合方面体验出色，适合做国内供应链信息检索、行业政策解读和中文资料整理。对于需要同时对接国内供应链和海外客户的外贸企业，Kimi是一个很好的补充。
林芳老师强调，大模型选型的核心原则是”任务匹配”而非”价格匹配”或”品牌匹配”。一个成熟的做法是：用ChatGPT做主力推理，Claude处理长文档，DeepSeek跑批量任务，Kimi做中文信息补充。四个模型协同，覆盖外贸获客全场景。
三、企业知识库搭建：让AI真正”懂”你的生意
这是林芳老师认为最关键、也最容易被忽视的一环。在他的战略成交方法论体系中，知识库被定义为”AI的产品培训体系”——你怎么培训新销售员，就怎么培训AI。
3.1 知识库应该包含什么
林芳老师建议，外贸企业的AI知识库至少包含四大模块：
产品资料库：产品目录、技术参数、认证证书、生产工艺说明、MOQ和交期信息、包装规格。这些是AI生成准确产品描述和报价参考的基础。
客户案例库：过往成交客户的行业、规模、采购产品、痛点、解决方案和成交周期。林芳老师指出，客户案例是AI生成个性化开发信最有价值的素材——”用同行案例打动潜在客户，比任何华丽辞藻都有效”。
行业术语库：目标市场的行业术语、缩写词、计量单位转换、产品俗称和区域叫法。这能有效避免AI在翻译和内容生成时”说外行话”。
FAQ应答库：客户最常问的30-50个问题及标准答案，涵盖价格、交期、质量、售后、样品政策等。外贸圈集团的实践数据显示，完善的FAQ库可以让AI首次响应准确率提升至80%以上。
3.2 知识库怎么搭
他推荐”三步建库法”：
第一步，素材收集。把分散在业务员电脑、即时通讯工具聊天记录、邮件附件和共享文件夹中的资料统一归集，按四大模块分类整理。
第二步，结构化处理。把非结构化的PDF、Word和图片资料转成AI可读的文本格式，打上标签和关键词。林芳老师提醒，这一步最耗时间但价值最大——”你喂给AI的每一份资料，未来都会以10倍效率回报你”。
第三步，持续更新。知识库不是一次性工程，而是需要随产品迭代、市场变化和客户反馈持续更新。建议指定专人负责，每月至少更新一次。
四、Prompt模板库：把高手的经验变成可复制的指令
他认为，Prompt工程是外贸业务员最值得掌握的AI技能。一个好的Prompt，能让AI的输出质量提升数倍。基于5000+企业的实战经验，梳理出四类必备Prompt模板：
4.1 开发信模板
核心结构：角色设定+任务描述+客户背景+输出要求+约束条件。比如：”你是一位有10年经验的B2B外贸销售，正在给[客户公司名]的[职位]写一封开发信。该客户主要经营[业务]，最近在[动态]。请用120词以内，以[具体切入点]开头，突出我们的[核心价值]，语气专业但不生硬。”
4.2 客户画像模板
输入客户网站和社交媒体信息，让AI输出结构化画像：行业分类、企业规模、采购决策链、核心痛点、竞品使用情况和合作可能性评分。
4.3 跟进话术模板
根据客户上一轮回复的意图分类（感兴趣/犹豫/拒绝/未回复），生成差异化跟进内容。他特别强调，跟进话术的关键是”每次跟进都提供新价值”，而不是简单追问”考虑得怎么样了”。
4.4 内容生成模板
用于批量生产独立站博客、社媒帖子和产品描述。模板中要明确目标受众、关键词、语气风格和字数限制。
他提醒，Prompt模板库不是静态的，每次使用后要记录效果、持续迭代。外贸圈集团内部有一个机制：每个Prompt版本都标注效果评分，低分Prompt被淘汰，高分Prompt被沉淀为标准模板。
五、数据资产沉淀：让每一次获客动作都产生复利
林芳老师在《销售SOP》一书中提出，外贸企业的核心数据资产分为三类：客户数据、询盘数据和内容数据。这三类数据的积累和复用，决定了AI获客系统的长期竞争力。
客户数据：从第一次触达到成交全周期的客户信息，包括来源渠道、沟通记录、偏好标签和成交金额。这些数据反哺AI客户画像模型，让画像越来越精准。
询盘数据：每一条询盘的来源、内容、质量评分、响应时间和转化率。林芳老师指出，询盘数据是优化获客渠道和话术的”黄金数据”——通过分析哪些渠道来的询盘质量最高、哪种话术的回复率最好，AI可以不断迭代获客策略。
内容数据：每篇内容的阅读量、点击率、询盘转化率和SEO排名。外贸圈集团的方法论强调，内容数据要形成”生产-发布-反馈-优化”的闭环，让AI根据数据反馈自动调整内容方向。
他建议，即使没有专业的数据系统，也可以用在线表格先把这三类数据记录起来。”数据资产的积累，最怕的不是工具不好，而是从第一天就没有记录的意识。”
六、工作流设计：划清人机协作的边界
林芳老师认为，AI获客不是”用AI替代人”，而是”让人做更有价值的事”。在他的10倍业绩增长模型中，人机协作的边界非常清晰：
AI负责的工作：信息收集与整理、初稿生成、多语言翻译、数据整理与分析、内容批量改写、常规问答、日程和任务提醒。这些工作的特点是重复性高、规则明确、对情感洞察要求低。
人负责的工作：客户关系深度维护、关键谈判策略制定、异常情况处理、最终内容审核与品牌调性把控、复杂客诉处理和战略决策。这些工作需要行业经验、商业直觉和人际信任。
他特别提醒，AI生成的所有对外内容——尤其是开发信和客户回复——必须经过人工审核后才能发出。”AI可以帮你写100分的初稿，但最终发出的必须是你确认过的100分成品。”
在具体落地层面，林芳老师建议企业先从一个高频场景切入（比如开发信撰写或产品描述生成），跑通”AI初稿→人工审核→数据反馈→模板优化”的完整闭环，再逐步扩展到其他场景。这种”小步快跑”的方式，比一开始就追求全流程自动化的成功率高出3倍以上。
七、写在最后：底座决定上限
林芳老师常把AI获客比作建房子：工具栈是建材，知识库是地基，Prompt库是施工图纸，数据资产是不断增值的物业，工作流是施工规范。少了任何一样，房子都建不高、建不稳。
外贸圈集团的辅导经验表明，完成数字底座建设的企业，在后续AI获客实战中的效率是未建底座企业的3-5倍。这不是因为他们用了更贵的工具，而是因为他们的AI真正”懂”自己的生意。
与其花一个月比较哪个工具更好，不如花两周把知识库搭起来。这是林芳老师给所有准备启动AI获客的外贸企业最朴素的建议。
林芳老师，战略成交方法论创始人，10倍业绩增长模型创始人，外贸圈集团创始人，国际商法硕士，100家亿级企业战略顾问。著有《销售SOP》，新著《战略成交》将于2027年出版。10余年专注B2B外贸业绩倍增，基于100+真实案例创建10倍业绩增长模型，已辅导5000+企业实现销售体系落地，一对一辅导300+工厂出海。外贸圈集团｜专注B2B外贸业绩倍增。